近年来,中值滤波操作作为一种常用的图像后处理手段,越来越多地被用来掩盖其他图像篡改操作遗留下来的痕迹,图像中值滤波篡改操作的检测已经成为数字图像篡改取证领域的一个重要分支。目前,大多数现有中值滤波取证技术都是通过人工设计的特征去捕捉图像中中值滤波操作残留的痕迹,然而随着图片尺寸的减小以及JPEG压缩强度的增加,中值滤波图像中的统计痕迹不再明显,现有中值滤波篡改取证算法的检测性能大幅下降。这是因为人工设计的特征只能关注到图像的部分特征,很多更细节的特征可能被忽略,因此采用自主学习的方式进行特征提取将会是更有效的做法。为了更全面的描绘中值滤波图像中的局部纹理信息,本文提出了基于多尺度标签一致性稀疏编码的中值滤波取证算法。首先,对输入图像进行多尺度图像块域建模。然后,对不同尺度下的图像块通过一个极具鉴别力的过完备字典进行稀疏编码操作,以实现对不同尺度图像纹理信息的细节描绘。在过完备字典的学习过程中将标签信息加入目标函数,帮助不同类别的输入样本选择不同的字典原子,以实现不同的特征表达。为了在保留具有表现力的特征的同时对特征进行降维,对所求得的稀疏编码系数进行最大值池化操作。最终,将所有尺度下的特征连接起来作为最终的特征向量,以具备多个尺度上的纹理细节特征描述,从而实现有效的中值滤波篡改检测。通过大量实验表明该算法不仅实现了JPEG压缩图像中的中值滤波篡改检测性能的提升,同时可以实现中值滤波操作与其他图像后处理操作的有效区分。由于经过中值滤波操作的图像和未经过中值滤波的图像之间存在大量共有背景信息,这些共有信息在一定程度上会对中值滤波篡改操作的检测产生干扰,因此,本文提出了基于低秩共享字典下稀疏编码的中值滤波取证算法。该算法在学习过完备字典的过程中将共享字典成分分离出来,同时通过限制共享字典的低秩性和编码相似性以保证共享字典中不包含与类别有关的信息,从而增加特征字典原子的鉴别力,实现对样本更精确的表示。通过对共享字典进行低秩性的限制可以有效防止共享字典元素覆盖和类别相关的特征字典元素,然后通过对共享字典部分编码系数的编码相似性进行限制则可以保证共享稀疏编码系数不包含任何类别信息,增加特征字典原子对与类别有关的特征的描绘力。实验表明该算法通过使用512维的特征过完备字典就可以实现优于现有其他算法的检测性能,并且具备局部篡改定位的能力,这对于实际应用中的图像篡改取证具有重要意义。